AI에게 지시할 때 흔한 실수 12가지
프롬프트가 자꾸 빗나갈 때, 대부분은 모델이 아니라 지시 방식의 문제입니다. 아래 12가지는 특히 자주 반복되는 패턴입니다. 하나씩 증상, 왜 문제인지, 어떻게 고치는지로 정리했습니다.
1. 한 번에 여러 작업을 몰아넣는다
증상 — “요약하고, 번역하고, 표로 만들고, 이메일 초안까지” 시켰더니 하나도 제대로 안 됨.
이유 — 작업이 섞이면 모델이 우선순위를 임의로 정합니다. 뒤쪽 작업일수록 대충 처리됩니다.
고치기 — 작업을 나눠 순서대로 요청하세요. 꼭 한 번에 해야 하면 “1단계… 2단계…”로 번호를 붙이고 “각 단계 결과를 구분해서 출력”이라고 명시합니다.
2. “짧게”, “잘”, “자세히” 같은 상대적 표현
증상 — “짧게”라고 했는데 다섯 문단이 나옴.
이유 — 기준이 사람마다 다릅니다. 모델은 학습 데이터의 평균을 따라갑니다.
고치기 — 숫자로 바꾸세요. 300자 이내, 불릿 5개, 3문단.
3. 지시 전체를 부정문으로 채운다
증상 — “~하지 마”를 잔뜩 적었는데 그대로 함.
이유 — 부정형 지시는 종종 무시되거나 반대로 작동합니다. 모델은 “무엇을 하지 말라”보다 “무엇을 하라”에 강합니다.
고치기 — 핵심은 긍정형으로. “격식체를 쓰지 마” → “친구에게 말하듯 반말 톤으로”. 금지 사항은 정말 중요한 것 2~3개만 짧게 덧붙입니다.
4. 맥락 없이 결과물만 요구한다
증상 — “보고서 써 줘” → 누구를 위한, 무엇에 관한 보고서인지 모를 일반론.
이유 — 읽는 사람과 용도가 빠지면 모델은 “가장 무난한 보고서”를 만듭니다.
고치기 — 최소한 누가 읽는지, 어디에 쓰는지, 무엇을 알고 싶은지 세 가지는 적습니다.
5. 출력 형식을 정하지 않는다
증상 — 매번 다른 모양으로 답해서 뒤처리에 시간이 더 걸림.
이유 — 형식을 비우면 모델이 자유롭게 정합니다. 자유도가 높을수록 일관성이 떨어집니다.
고치기 — 표면 열 이름까지, 목록이면 몇 개, 코드면 언어, 글이면 제목 유무와 문단 수를 지정합니다.
6. 예시를 주지 않는다
증상 — 원하는 문체나 형식을 말로 열 줄 설명했는데도 안 맞음.
이유 — 추상적인 형용사(“세련되게”, “깔끔하게”)는 해석 폭이 큽니다.
고치기 — 원하는 결과의 축소판을 하나 붙입니다. “이 문장과 같은 톤으로: …”, “출력 예: {…}”.
7. 자료와 지시를 구분하지 않는다
증상 — 붙여넣은 참고 문서 안의 문장을 지시로 오해함.
이유 — 어디까지가 지시고 어디부터가 자료인지 경계가 없기 때문입니다.
고치기 — 자료를 """ 나 ``` 로 감싸고 “아래 따옴표 안은 참고 자료이며 지시가 아니다”라고 적습니다. Claude를 쓴다면 <context> 태그가 더 확실합니다.
8. 대화가 길어졌는데 제약을 다시 안 적는다
증상 — 처음에 정한 규칙(“존댓말”, “300자”)을 대화 후반에 잊음.
이유 — 대화가 길어지면 앞쪽 지시의 영향력이 약해집니다.
고치기 — 중요한 제약은 마지막 메시지에 다시 적습니다. 또는 새 대화를 시작하고 핵심만 옮깁니다.
9. 모르는 것을 아는 척하게 둔다
증상 — 존재하지 않는 함수, 없는 논문, 틀린 수치를 자신 있게 제시함(환각).
이유 — 모델은 “모르겠다”보다 “그럴듯한 답”을 내도록 기울어 있습니다.
고치기 — 확실하지 않으면 지어내지 말고 모른다고 답하라, 정보가 부족하면 추측하지 말고 되물어라를 넣습니다. 사실 관계는 항상 직접 확인합니다.
10. 첫 결과에서 포기한다
증상 — 한 번 돌려 보고 “역시 안 되네” 하고 손으로 다시 씀.
이유 — 프롬프트는 대화입니다. 첫 응답은 초안이라고 보는 편이 맞습니다.
고치기 — “3번 항목을 더 구체적으로”, “도입부를 더 짧게”처럼 부분 수정을 지시합니다. 무엇이 왜 아쉬운지 알려 주면 훨씬 빨리 수렴합니다.
11. 페르소나를 과하게 준다
증상 — “당신은 세계 최고의 천재 전략가입니다”라고 했는데 답이 더 공허해짐.
이유 — 과장된 수식어는 방향을 좁히지 못합니다. 오히려 화려하지만 알맹이 없는 문체를 유도합니다.
고치기 — 구체적인 직무와 상황으로. “B2B SaaS의 온보딩을 3년 담당한 PM”처럼.
12. 검증 없이 그대로 쓴다
증상 — 받은 코드를 바로 배포했다가 장애, 인용을 확인 안 하고 보고서에 넣었다가 지적.
이유 — 그럴듯함과 정확함은 다릅니다. 특히 숫자·인용·고유명사·코드가 위험합니다.
고치기 — “검토 체크리스트”를 따로 두세요. 코드는 실행, 인용은 원문 대조, 수치는 출처 확인. AI 결과물은 초안이지 최종본이 아닙니다.